宋婉莹,李 明,张 鹏,吴 艳,贾 璐,刘高峰
(西安电子科技大学雷达信号处理国家重点实验室,陕西西安 710071)
基于加权合成核与三重Markov场的极化SAR图像分类方法
宋婉莹,李明,张鹏,吴艳,贾璐,刘高峰
(西安电子科技大学雷达信号处理国家重点实验室,陕西西安 710071)
摘要:马尔可夫随机场(Markov Random Field,MRF)广泛用于处理遥感图像的分类问题,然而MRF在构建极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像模型时未考虑其非平稳特性且对初始分类较为敏感,为此本文提出了一种基于加权合成核与三重马尔可夫随机场(Triplet Markov Field,TMF)的极化SAR图像分类方法.该方法依据训练样本在特征空间上的距离,提出了加权合成核函数权重系数的自适应确定方法以提高初始分类的精度和普适性;为充分考虑极化SAR图像的非平稳统计特性,利用TMF对极化SAR图像进行统计建模以实现贝叶斯分类.实验结果表明,与基于MRF的极化SAR图像分类方法相比,本文所提方法可获得更高的分类精度和更平滑的同质区域分类结果,而且本文方法能更好地保持图像边缘信息.
关键词:极化合成孔径雷达;图像分类;加权合成核;三重马尔可夫随机场;支持向量机
1引言
图像分类是极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像解译的重要内容之一,已广泛用于民用领域和军事领域[1,2],比如,在地表覆盖测绘方面,可利用极化SAR图像分类研究城市发展变迁,农作物生长状况和分布情况,地质分布和矿产分布情况等.在海洋研究和地球变化研究方面也有重要的应用……